#718. RSI：人工智能研究人员就当前范式能走多远展开辩论

AI 研究的前沿专家们探讨了 2036 年前实现超级智能的技术瓶颈与路径。核心挑战在于如何突破 “仿真到真实世界” 的迁移难题，以及在缺乏明确目标的情况下实现递归自我改进。当前 AI 进展高度依赖高质量数据与强化学习环境的构建，通过将研究过程自动化并不断迭代，模型在特定任务上的表现已接近人类专家。然而，真正的泛化能力与长期自主性仍受限于样本效率与对复杂真实世界反馈的理解。尽管模型在代码与数学等领域展现出极高的生产力，但实现完全自动化的科研闭环仍需解决对齐、目标定义以及在非平稳分布下持续学习的难题。未来 AI 的演进将取决于如何高效利用部署数据，并在算力与数据效率之间达成最佳平衡。